DeepSeek公开Agent训练沙盒系统细节

IT时代网

2026-9-23 12:26:34

次

IT时代网9月23日消息，DeepSeek发布新论文，公开Agent训练基础设施DSec的完整技术细节，论文由梁文锋署名。该系统的定位是给Agent训练批量制造沙盒环境：每秒可产生5000个以上沙盒，单日产能约300万个，峰值同时运行38万个，支撑这一规模的集群约有160个节点、3万核CPU和250TB内存。

Agent训练与大模型训练的工况截然不同。Agent要在沙盒里写代码、跑编译、打开浏览器甚至安装操作系统，每执行一步都会改变环境状态，随时可能把环境搞崩。每轮训练都需要一个全新的干净沙盒，随用随抛、训完即扔，环境构建本身成了基础设施级的挑战。

不同任务对环境的要求差异极大。刷题的Agent只需要无状态的函数调用环境；做软件工程的Agent需要完整Linux用户态，要装依赖、改代码、跑测试；安全攻防场景要求更强的隔离，得上虚拟机；最极端的情况是训练操作商业软件的Agent，需要一个带图形界面的完整操作系统。DSec为此准备四种后端：FnCall处理无状态函数调用，Container运行Docker容器，MicroVM用Firecracker做轻量虚拟机，Full VM用QEMU跑完整操作系统，训练框架则通过统一的Python SDK调用，无需关心底层差异。

镜像构建是规模化的关键。DSec累计使用了11266个基础镜像和102171个工作区，67.8%的沙盒需要在基础镜像上叠加至少一层工作区或工具包。方案是把环境拆成基础镜像、工作区、工具包三层独立的EROFS只读镜像，各自版本化，沙盒启动时按需组合，工具包更新只需重建自身那一层。

按需加载同样重要。运行数据显示Python容器镜像6.0GB，Agent实际只读取其中6.0%的数据；Java镜像12.1GB只有9.2%被访问。镜像数据块只在真正读取时才从分布式文件系统拉取，8192个容器的突发部署35分钟即可完成，Docker冷拉取则需要60分钟以上。

几十万沙盒并发的内存争抢靠虚拟化技巧化解：MicroVM通过virtio-pmem配合DAX让虚拟机直接映射宿主机物理内存，多机共享同一份映射，峰值内存占用降低40.2%；对可写磁盘则用DAMON定期回收冷页，进一步压缩需求。